4. 因子漂移原理：定义、分类与检测
因子漂移（Factor Drift）是指因子的统计分布或因子与收益之间的关系在时间序列上发生结构性变化的现象。它是量化策略失效的核心原因之一。理解漂移的类型、检测方法及其对因子有效性的冲击，是构建稳健风控体系的基础。
4.1 因子漂移的定义与分类
因子漂移本质上是因子特征分布的非平稳性。根据统计特征的变化维度，可将其分为三类：均值漂移、方差漂移和协方差漂移。
| 漂移类型 | 定义 | 典型表现 | 对因子的影响 |
|---|---|---|---|
| 均值漂移 | 因子值的整体水平发生系统性偏移 | 市场风格切换（如小市值因子均值突然上升） | 因子暴露度失真，多空组合失衡 |
| 方差漂移 | 因子值的离散程度（波动率）发生显著变化 | 低波动异象失效，因子波动率骤增或骤降 | 因子信号信噪比下降，换手率异常 |
| 协方差漂移 | 因子与未来收益之间的相关性结构改变 | IC（信息系数）由正转负或相关性衰减 | 因子预测能力直接丧失，策略失效 |
关键认知： 协方差漂移是因子失效的直接体现，而均值漂移和方差漂移往往是协方差漂移的前兆信号。在IC衰减预警中，应优先监控协方差漂移，同时将均值和方差漂移作为辅助预警指标。
4.2 漂移的检测方法
检测因子漂移的核心思路是：比较当前窗口的统计量与历史基准分布是否存在显著差异。以下是三种主流方法。
4.2.1 滚动窗口统计法
最直观的方法。通过固定长度的滑动窗口，持续计算窗口内的均值、标准差、IC均值等统计量，并与全局或参考窗口进行比较。
- 窗口长度选择： 短窗口（20-60期）对突变敏感但噪声大；长窗口（120-252期）平滑但滞后。
- 阈值设定： 通常使用均值 ± k × 标准差作为警戒线，k 取 2 或 3。
- 局限性： 对缓慢渐变型漂移不敏感，且存在边界效应。
4.2.2 CUSUM（累积和）检测
CUSUM 是一种序列变点检测算法，通过累积偏离目标值的偏差来放大微小漂移信号。
# CUSUM 算法伪代码
S_0 = 0
for t in 1..T:
S_t = max(0, S_{t-1} + (x_t - mu_0 - k))
if S_t > h:
alert("漂移发生")
reset S_t = 0
# 参数说明：
# mu_0: 目标均值（历史基准）
# k: 容忍偏移量（通常为 0.5 * sigma）
# h: 决策阈值（通常为 4-5 * sigma）- 优点： 对持续微小偏移的累积效应非常敏感，适合检测缓慢漂移。
- 缺点： 需要预设基准参数，对突变型漂移反应滞后。
4.2.3 Page-Hinkley（PH）检测
PH 检测是 CUSUM 的变体，专门用于检测均值漂移。它通过计算累积偏差与最小累积偏差的差值来判断是否发生正向或负向漂移。
# Page-Hinkley 检测伪代码
U_T = sum_{t=1..T} (x_t - mu_0 - delta)
m_T = min_{1..T} U_t
PH_T = U_T - m_T
if PH_T > lambda:
alert("正向漂移")
# delta: 最小可检测漂移幅度
# lambda: 决策阈值
方法对比总结：
- 滚动窗口： 适合实时监控面板，可视化直观，但需人工设定窗口长度。
- CUSUM： 适合检测缓慢累积型漂移，计算效率高，适合高频因子。
- Page-Hinkley： 对均值漂移检测精度高，适合IC序列的变点检测。
4.3 漂移对因子有效性的冲击
因子漂移对策略的冲击是系统性的，其传导路径可概括为：分布变化 → 信号失真 → 预测失效 → 回撤爆发。
实战警示： 协方差漂移一旦被确认，通常意味着因子已进入“失效期”。此时不应再依赖历史回测表现，而应立即启动因子降权或暂停使用。等待漂移回归后再重新评估因子有效性。
4.4 漂移检测的工程化建议
- 多方法融合： 使用滚动窗口做可视化监控，CUSUM 做慢漂移预警，Page-Hinkley 做 IC 序列变点检测，三者互补。
- 参数自适应： 窗口长度和阈值应根据因子本身的波动率动态调整，避免在低波动期频繁误报。
- 分层检测： 对因子整体、行业子集、市值分层分别进行漂移检测，定位漂移来源。
- 与 IC 衰减联动： 将漂移检测结果作为 IC 衰减预警模型的输入特征，提升预警的提前量。